控制与决策

作者：吴海锋,翁建明,曾玉

单位：云南民族大学 电气信息工程学院，昆明 650504;云南无人自主系统重点实验室，昆明 650504;云南省高校智能传感网络及信息系统创新团队，昆明 650504,,云南民族大学 电气信息工程学院，昆明 650504;云南无人自主系统重点实验室，昆明 650504,,云南民族大学 电气信息工程学院，昆明 650504;云南省高校智能传感网络及信息系统创新团队，昆明 650504,

关键词：轻度认知障碍;高阶功能连接;特征降维;功能磁共振成像;ViT

基金：国家自然科学基金项目(62161052); 云南省教育厅科学研究项目(2025Y0669).

针对功能磁共振成像(fMRI)中高阶功能连接建模与分类任务中维度膨胀、归一化缺失与跨阶协同弱化的挑战, 提出一种微分几何驱动的结构分层化轻度认知障碍(MCI)识别模型. 该模型融合双阶段对齐协同脑图谱(DAS-Connectome)与结构嵌入提炼层(SERL). DAS-Connectome引入两级结构建模机制: 一是通过流形对数映射实现归一化的几何推广, 构建稳定的高阶神经依赖结构; 二是执行结构映射增强, 将高阶结构与原始低阶张量缩并耦合生成DAS-Connectome, 从而提升结构表达的一致性与判别密度. SERL通过变分信息瓶颈的嵌入机制和预训练ViT(Vision Transformer )对DAS-Connectome进行低维表征提炼, 最终将嵌入特征输入轻量级分类器完成MCI判别. 实验表明, 所提出框架在阿尔茨海默病神经影像学计划库的数据集上相较传统方法分类准确率最高提升16%, 在小样本条件下展现出良好的稳定性与泛化能力.

来源：2025年第12期

《控制与决策》期刊编辑部

查看控制与决策杂志2025年第12期